(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210405241.9 (22)申请日 2022.04.18 (71)申请人 刘文珍 地址 276100 山东省临沂市郯 城县泉源镇 国有林场总场 (72)发明人 刘文珍　宋敬洁　谢言　 (74)专利代理 机构 北京力致专利代理事务所 (特殊普通 合伙) 11900 专利代理师 周厚民 (51)Int.Cl. G06V 20/52(2022.01) G06V 40/20(2022.01) G06T 7/66(2017.01) G06T 7/246(2017.01) G06T 5/30(2006.01)G06K 9/62(2022.01) G08B 17/12(2006.01) G06V 10/74(2022.01) G06T 7/11(2017.01) (54)发明名称 基于数据处理的森林防火监控方法及电子 设备 (57)摘要 本公开提供一种基于数据处理的森林防火 监控方法， 包括采集多个时刻目标区域的监控图 像， 基于每两个相邻时刻的监控图像是否变化， 判断所述监控图像中是否存在运动目标； 若存 在， 则提取所述运动目标的运动特征， 基于预先 训练好的目标类别识别模型， 生成所述运动目标 的图像特征与预设标准图像特征的特征比值， 根 据所述特征比值， 判断所述运动目标的图像特征 对应的目标类别， 若所述目标类别与预设预警类 别相匹配， 则基于所述目标类别、 所述目标区域 对应的属性信息， 通过预先训练好的火情预警模 型， 输出火情信息。 本公开的基于数据处理的森 林防火监控方法， 能够准确识别火情， 降低火情 误报率， 并且能够准确对可能引起火情的目标进 行标记。 权利要求书3页 说明书12页 附图2页 CN 114708555 A 2022.07.05 CN 114708555 A 1.一种基于数据处 理的森林防火监控方法， 其特 征在于， 包括： 采集多个时刻目标区域的监控图像， 基于每两个相邻时刻的监控图像是否变化， 判断 所述监控图像中是否存在运动目标； 若存在， 则提取所述运动目标的运动特征， 基于预先训练好的目标类别识别模型， 生成 所述运动目标 的图像特征与预设标准图像特征 的特征比值， 根据所述特征比值， 判断所述 运动目标的图像特 征对应的目标类别， 若所述目标类别与预设预警类别相匹配， 则基于所述目标类别、 所述目标区域对应的 属性信息， 通过 预先训练好的火情预警模型， 输出火情信息 。 2.根据权利要求1所述的基于数据处 理的森林防火监控方法， 其特 征在于， 提取所述运动目标的运动特 征的方法包括： 将当前监控图像中运动目标所在区域进行像素分类， 提取当前监控图像中与背景信 息 不同像素类别的运动目标的二 值图； 基于当前监控图像中运动目标的二值图对应的当前帧， 获取所述当前帧与相邻时刻的 监控图像中的历史帧的交并比， 生成所述 运动目标的边 缘轨迹； 在所述运动目标的边缘轨迹中设置采样点， 对采样点的历史形态特征和运动特征进行 膨胀处理， 提取所述运动目标的运动特 征。 3.根据权利要求2所述的基于数据处 理的森林防火监控方法， 其特 征在于， 获取所述当前帧与相邻时刻的监控图像中的历史帧的交并比， 生成所述运动目标的边 缘轨迹的方法包括： 将当前帧与历史帧的第t帧图像和t ‑1帧图像进行差分运算， 对第t帧图像和第t+1 帧图 像进行差分运算， 分别得到 当前帧对应的当前三帧差分运算结果和历史帧对应的历史三帧 差分运算结果； 将所述当前三帧差分运算结果与 所述历史三帧差分运算结果进行中值滤波后， 提取各 自图像中运动目标的轮廓的质心位置和等距初始轮廓点； 基于所述运动目标的轮廓的质心位置、 当前帧图像和历史帧的边缘梯度信息， 以及所 述等距初始轮廓点， 通过轮廓实例分割算法收缩初始轮廓曲线， 直至符合预设收缩条件， 生 成所述运动目标的边 缘轨迹。 4.根据权利要求3所述的基于数据处 理的森林防火监控方法， 其特 征在于， 基于所述运动目标的轮廓的质心位置、 当前帧图像和历史帧的边缘梯度信息， 以及所 述等距初始轮廓点， 通过轮廓实例分割算法收缩初始轮廓曲线， 直至符合预设收缩条件， 生 成所述运动目标的边 缘轨迹的方法包括： 按照如下公式所示的方法生成所述 运动目标的边 缘轨迹： 其中， NA表示点集A中点的个数， Nt+1(u,v)表示t+1时刻像素点的(u,v)的灰度值， Bt(x, y)表示t时刻像素点的(x,y)的灰度值， Δ表示像素点((x,y)和(u,v))的差分角点， V(s)表 示初始轮廓曲线的一阶导数， E(V(s))ds表 示能量函数， 能量函数包括内部能量函数和外部 能量函数。权　利　要　求　书 1/3 页 2 CN 114708555 A 25.根据权利要求1所述的基于数据处理 的森林防火监控方法， 其特征在于， 所述目标类 别识别模型包括用于区域聚类的第一层、 用于识别区域中心的第二层以及用于确定形状类 别的第三层； 基于预先训练好的目标类别识别模型， 生成所述运动目标的图像特征与预设标准图像 特征的特征比值的方法包括： 基于预先训练好的目标类别识别模型的第 一层， 对所述运动目标的运动特征进行超像 素分割， 并对 超像素分割后的结果进行聚类， 确定多个运动区域； 基于预先训练好的目标类别识别模型的第 二层， 确定所述多个运动区域的像素均值和 像素方差， 根据所述像素均值之差对应的第一权重值、 所述像素方差对应的第二权重值， 确 定所述多个运动区域的中心点； 基于预先训练好的目标识别模型的第三层， 根据所述多个运动 区域的像素值、 所述多 个运动区域的中心 点、 所述中心 点与所述运动区域中每个像素点的距离的平均值以及预设 标准图像特 征， 生成所述 运动目标的图像特 征与预设标准图像特 征的特征比值。 6.根据权利要求5所述的基于数据处理 的森林防火监控方法， 其特征在于， 在生成所述 运动目标的图像特 征与预设标准图像特 征的特征比值之前， 所述方法还 包括： 训练所述目标类别识别模型， 所述训练方法包括： 基于预先获取的训练数据集， 输入待训练的目标类别识别模型， 确定多个第一候选区 域， 其中， 所述训练数据集包括带样本标签和目标标识的第一图像数据， 以及无样本标签和 无标识的第二图像数据； 从所述多个第 一候选区域中选出属于同一类别的第 二候选区域， 并将所述第 二候选区 域进行区域融合， 确定融合 候选区域； 获取所述第 一候选区域与 所述融合候选区域的一致性损失值， 根据所述一致性损失值 与所述第一图像数据中目标对象的特征值的差值， 训练所述目标类别识别模型的损失函 数， 直至所述损失函数满足预设收敛 条件。 7.根据权利要求6所述的基于数据处 理的森林防火监控方法， 其特 征在于， 按照如下公式所述的方法训练所述目标类别识别模型的损失函数： 其中， M表示训练数据集的第一候选区域的个数， N表示训练数据集的第二候选区域的 个数， αt表示所述第 一候选区域与 所述融合候选区域的一致性损失值， ht(x)表示所述一致 性损失值与所述第一图像数据中目标对象的特征值的差值, 表示T时刻预测为c的概率 值， r表示类别。 8.根据权利要求1所述的基于数据处 理的森林防火监控方法， 其特 征在于， 所述火情信 息包括预警信 息和火警信 息， 所述火情信 息还包括所述目标区域的位置信 息； 基于所述目标类别、 所述目标区域对应的属性信息， 通过预先训练好的火情预警模型， 输出火情信息的方法包括： 通过预先训练好的火情预警模型， 分别为所述目标类别设置第一权重评估值、 为所述权　利　要　求　书 2/3 页 3 CN 114708555 A 3